据联合国粮农组织统计数据库显示的数据表明,截止2011年,我国红提的产量位居世界第一。目前,我国红提的分级一般都采用的是人工方式实现。人工分级的方式存在主观性强,工作效率低,以及长时间工作会造成检测疲劳等缺点。随着红提产量的增加,人们对红提的质量要求越来越高,红提品质等级的划分在消费市场中显得越来越重要,如何实现对红提的无损自动化分级,以提高红提整体的质量和品质标准,也就成为一个急需解决的问题。本文中,在机器视觉技术的基础上,提出了一种针对红提果粒大小的无损检测分级的方法。该方法主要分为机器视觉系统的搭建和红提图像处理两大部分。其中,机器视觉系统的关键点在于合适光源和相机的选择。本试验中,通过对白色环形光源,Led黄光面光源以及近红外环形光源的对比发现,近红外光源具有一定的透光性,结合黑白CCD工业相机,得到的葡萄图像,具有清晰的外轮廓和单粒葡萄的内轮廓边缘,同时可以屏蔽葡萄颗粒上的异物信息。红提图像处理部分,通过对各种亮度均衡化方法和边缘检测算子的对比,发现彩色梯度边缘检测算子不仅能得到清晰的单粒葡萄边缘图像,而且能消除由于葡萄内部的茎纹路或者葡萄表面异物造成的干扰信息。因此,图像处理的过程是,首先利用彩色梯度边缘检测算子得到清晰但不连续的单粒葡萄边缘,然后在得到的葡萄边缘上拾取3个初始点,利用旋转矩阵,通过计算初始点弧段上首点和末点的相对位置,判断初始点所在弧段的旋转方向和旋转角度,再根据边缘上各点灰度值远大于非边缘上各点灰度值的原则,计算葡萄边缘采样点序列,最后利用最小二乘椭圆拟合的方法,对已得的葡萄边缘进行椭圆拟合,得到最佳的椭圆方程,并获得葡萄大小的特征参数值,从而实现葡萄大小等级的检测。参照人工分级检测的标准和方法,本文中所述红提的大小检测方法的正确率为85.14%。